입력과 정답(레이블)의 쌍으로 이루어진 데이터를 사용하여, 입력으로부터 정답을 예측하는 모델을 학습하는 머신러닝 방법. 예측하는 출력이 연속적인 수치이면 회귀, 정해진 몇 개의 클래스 중 하나이면 분류라고 부른다. 선형 회귀, 로지스틱 회귀, 결정 트리, 서포트 벡터 머신, 신경망 등의 모델이 사용된다. 정답 레이블을 준비하는 데 수고가 드는 경우가 많다.
일본어 명칭: 教師あり学習
지도 학습(Supervised Learning)은(는) 머신러닝의 기초 등 1개 분야의 연습 문제 2개에 나와요.
분야: 머신러닝의 기초
정답: C. 면적이나 역까지의 거리 등으로부터 주택 가격을 예측한다
지도 학습은 입력과 정답(레이블)의 쌍을 사용하여, 입력으로부터 출력을 예측하는 모델을 학습하는 방법입니다. 예측하는 출력이 연속적인 수치일 때를 회귀, 정해진 몇 개의 클래스 중 하나일 때를 분류라고 부릅니다. 주택 가격은 연속적인 수치이므로 회귀입니다. 스팸 판정은 2클래스 분류, 손글씨 숫자 인식은 10클래스 분류입니다.
지도 학습은 입력과 정답(레이블)의 쌍을 사용하여, 입력으로부터 출력을 예측하는 모델을 학습하는 방법입니다.
지도 학습의 과제 중 회귀에 해당하는 것은?고장 유무라는 정답을 사용하여 예측하는 것은 지도 학습, 보상을 단서로 행동을 학습하는 것은 강화 학습입니다.
비지도 학습에 해당하는 것은?비지도 학습(Unsupervised Learning) 강화 학습(Reinforcement Learning) 경사 하강법(Gradient Descent) 과적합(Overfitting) 교차 검증(Cross-validation) 순환 신경망(RNN) 전이 학습(Transfer Learning) 정밀도와 재현율(Precision and Recall) 정칙화(Regularization) 주성분 분석(PCA)